基于SAS軟件的時(shí)間序列實(shí)驗(yàn)的代碼

1、基于SAS軟件的時(shí)間序列實(shí)驗(yàn)的代碼實(shí)驗(yàn)指南實(shí)驗(yàn)一分析太陽(yáng)黑子數(shù)序歹！J3實(shí)驗(yàn)二模擬AR模型4實(shí)驗(yàn)三模擬MA模型和ARMA模型6實(shí)驗(yàn)四分析化工生產(chǎn)量數(shù)據(jù)8實(shí)驗(yàn)五模擬ARIMA模型和季節(jié)ARIMA模型10實(shí)驗(yàn)六分析美國(guó)國(guó)民生產(chǎn)總值的季度數(shù)據(jù)13實(shí)驗(yàn)七分析國(guó)際航線月度旅客總數(shù)數(shù)據(jù)16實(shí)驗(yàn)八干預(yù)模型的建模19實(shí)驗(yàn)九傳遞函數(shù)模型的建模22實(shí)驗(yàn)十回來(lái)與時(shí)序相結(jié)合的建模25太陽(yáng)黑子年度數(shù)據(jù)28美國(guó)國(guó)民收入數(shù)據(jù)29化工生產(chǎn)過(guò)程的產(chǎn)量數(shù)據(jù)30國(guó)際航線月度旅客數(shù)據(jù)30洛杉磯臭氧每小時(shí)讀數(shù)的月平均值數(shù)據(jù)31煤氣爐數(shù)據(jù)35芝加哥某食品公司大眾食品周銷售數(shù)據(jù)37牙膏市場(chǎng)占有率周數(shù)據(jù)39某公司汽車(chē)生產(chǎn)數(shù)據(jù)44加拿大山貓數(shù)

2、據(jù)44實(shí)驗(yàn)一分析太陽(yáng)黑子數(shù)序列實(shí)驗(yàn)?zāi)康模毫私鈺r(shí)刻序列分析的差不多步驟，熟悉SAS/ETS軟件使用方法。二、實(shí)驗(yàn)內(nèi)容：分析太陽(yáng)黑子數(shù)序列。三、實(shí)驗(yàn)要求：了解時(shí)刻序列分析的差不多步驟，注意各種語(yǔ)句的輸出結(jié)果。四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。創(chuàng)建名為exp1的SAS數(shù)據(jù)集，即在窗中輸入下列語(yǔ)句：dataexp1;inputa1;year=intnx(year,1jan1742d,_n_-1);formatyearyear4.;cards;輸入太陽(yáng)黑子數(shù)序列(見(jiàn)附表)run;儲(chǔ)存此步驟中的程序，供以后分析使用(只需按工具條上的儲(chǔ)存按鈕然后填寫(xiě)完提咨詢

3、后就能夠把這段程序儲(chǔ)存下來(lái)即可)。繪數(shù)據(jù)與時(shí)刻的關(guān)系圖，初步識(shí)別序列，輸入下列程序：procgplotdata=exp1;symboli=splinev=starh=2c=green;plota1*year;run;提交程序，在graph窗口中觀看序列，能夠看出此序列是均值平穩(wěn)序列。識(shí)別模型，輸入如下程序。procarimadata=exp1;identifyvar=a1nlag=24;run;提交程序，觀看輸出結(jié)果。初步識(shí)別序列為AR(3)模型。估量和診斷。輸入如下程序：estimatep=3;run;提交程序，觀看輸出結(jié)果。假設(shè)通過(guò)了白噪聲檢驗(yàn)，且模型合理，則進(jìn)行推測(cè)。進(jìn)行推測(cè)，輸入如下程

4、序：forecastlead=6interval=yearid=yearout=out;run;procprintdata=out;run;提交程序，觀看輸出結(jié)果。退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)二模擬AR模型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NAR模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特點(diǎn)，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種AR模型。實(shí)驗(yàn)要求：記錄各AR模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，觀看各種序列圖形，總結(jié)AR模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)刻：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。模擬實(shí)根情形，模擬Zt0.6Zti0.4Zt2at過(guò)程。在edit窗中輸入如下程

5、序：dataa;x1=0.5;x2=0.5;n=-50;doi=-50to250;a=rannor(32565);x=a-0.6*x1+0.4*x2;x2=x1;x1=x;n=n+1;ifi>0thenoutput;end;run;4、觀看輸出的數(shù)據(jù)，輸入如下程序，并提交程序。procprintdata=a;varx;procgplotdata=a;symboli=splinec=red;plotx*n;run;觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，輸入輸入如下程序，并提交程序。procarimadata=a;identifyvar=xnlag=10outcov=exp1;run;procgp

6、lotdata=exp1;symboli=needlewidth=6;plotcorr*lag;run;procgplotdata=exp1;symboli=needlewidth=6;plotpartcorr*lag;run;作為作業(yè)把樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)記錄下來(lái)。估量模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。procarimadata=a;identifyvar=xnlag=10;run;estimatep=2;run;模擬虛根情形，模擬ztZti0.5zt2at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）。模擬AR（3）模型，模擬Zt0.4Zt

7、i0.3zt20.2zt3at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）.10、回到graph窗口觀看各種序列圖形的異同11、退出SAS系統(tǒng),關(guān)閉運(yùn)算機(jī).實(shí)驗(yàn)三模擬MA模型和ARMA模型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NMA模型和ARMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特點(diǎn)，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種MA模型和ARMA模型。實(shí)驗(yàn)要求：記錄各MA模型和ARMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，觀看各序列的異同，總結(jié)MA模型和ARMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)刻：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、模擬10,20情形，模擬xt

8、(10.65B0.24B2)at過(guò)程。在edit窗中輸入如下程序：dataa;a1=0;a2=0;don=-50to250;a=rannor(32565);x=a+0.65*a1+0.24*a2;a2=a1;a1=a;ifn>0thenoutput;end;run;4、觀看輸出的數(shù)據(jù)序列，輸入如下程序，并提交程序。procgplotdata=a;symboli=spline;plotx*n;run;5、觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，輸入輸入如下程序，并提交程序。procarimadata=a;identifyvar=xnlag=10outcov=exp1;run;procgplotda

9、ta=exp1;symbol1i=needlec=red;plotcorr*lag=1;run;procgplotdata=exp1;symbol2i=needlec=green;plotpartcorr*lag=2;run;作為作業(yè)把樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)記錄下來(lái)。估量模型參數(shù)，并與實(shí)際模型的系數(shù)進(jìn)行對(duì)比，即輸入如下程序，并提交。procarimadata=a;identifyvar=xnlag=10;run;estimateq=2;run;模擬10,20情形，模擬xt（10.65B0.24B2）at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）。模擬10,20情形，模擬

10、xt（10.65B0.24B2）at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）。模擬10,20情形，模擬xt（10.65B0.24B2）at過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）。模擬ARMA模型，模擬Xt0.75Xti0.5Xt25at0.3a,10.4百2過(guò)程。重復(fù)步驟3-7即可（但部分程序需要修改，請(qǐng)讀者自己完成）.回到graph窗口觀看各種序列圖形的異同。退出SAS系統(tǒng),關(guān)閉運(yùn)算機(jī).實(shí)驗(yàn)四分析化工生產(chǎn)量數(shù)據(jù)實(shí)驗(yàn)?zāi)康模哼M(jìn)一步熟悉時(shí)刻序列建模的差不多步驟，把握用SACF及SPACF定模型的階的方法。實(shí)驗(yàn)內(nèi)容：分析化工生產(chǎn)過(guò)程的產(chǎn)量序列。實(shí)驗(yàn)要求：

11、把握ARMA模型建模的差不多步驟，初步把握數(shù)據(jù)分析技巧。寫(xiě)出實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)時(shí)刻：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。創(chuàng)建名為exp2的SAS數(shù)據(jù)集，即在窗中輸入下列語(yǔ)句：dataexp2;inputx;n=_n_;cards;輸入化工生產(chǎn)產(chǎn)量數(shù)據(jù)序列（見(jiàn)附表）*；run;儲(chǔ)存此步驟中的程序，供以后分析使用（只需按工具條上的儲(chǔ)存按鈕然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下來(lái)即可）。繪數(shù)據(jù)與時(shí)刻的關(guān)系圖，初步識(shí)別序列，輸入下列程序：procgplotdata=exp2;symboli=splinev=starh=2c=green;plotx*n;run;提交程序，在graph

12、窗口中觀看序列，能夠看出此序列是均值平穩(wěn)序列。識(shí)別模型，輸入如下程序。procarimadata=exp2;identityvar=xnlag=12;run;提交程序，觀看輸出結(jié)果，發(fā)覺(jué)二階樣本自有關(guān)系數(shù)和一階的樣本偏有關(guān)系數(shù)都在2倍的標(biāo)準(zhǔn)差之外，那么我們第一作為一階AR模型估量，輸入如下程序：estimateplotp=1;run;提交程序，觀看輸出結(jié)果，發(fā)覺(jué)殘差能通過(guò)白噪聲檢驗(yàn)，但它的二階的樣本偏有關(guān)系數(shù)比較大，那么我們考慮二階AR模型。輸入如下程序：estimateplotp=2;run;提交程序，觀看輸出結(jié)果，發(fā)覺(jué)殘差樣本自有關(guān)系數(shù)和樣本偏有關(guān)系數(shù)都在2倍的標(biāo)準(zhǔn)差之內(nèi)。且能通過(guò)白噪聲檢

13、驗(yàn)。比較兩個(gè)模型的AIC和SBC,發(fā)覺(jué)第二個(gè)模型的AIC和SBC都比第一個(gè)的小，故我們選擇第二個(gè)模型為我們的結(jié)果。記錄參數(shù)估量值，寫(xiě)出模型方程式。進(jìn)行推測(cè)，輸入如下程序：forecastlead=12out=out;run;procprintdata=out;run;提交程序，觀看輸出結(jié)果。退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)五模擬ARIMA模型和季節(jié)ARIMA模型實(shí)驗(yàn)?zāi)康模菏煜じ鞣NARIMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特ARIMA模型的圖形，為理論學(xué)習(xí)提供直觀的印象。實(shí)驗(yàn)內(nèi)容：隨機(jī)模擬各種ARIMA模型。實(shí)驗(yàn)要求：記錄各ARIMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)觀看各序列圖形的異同，總結(jié)A

14、RIMA模型的樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)的特點(diǎn)實(shí)驗(yàn)時(shí)刻：2小時(shí)。實(shí)驗(yàn)軟件：SAS系統(tǒng)。實(shí)驗(yàn)步驟開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、模擬ARIMA(0,1,1)過(guò)程，模擬xtxt1at0.8at1過(guò)程。創(chuàng)建數(shù)據(jù)集，在edit窗中輸入如下程序：dataa;x1=0.9;a1=0;don=-50to250;a=rannor(32565);x=x1+a-0.8*a1;x1=x;a1=a;ifn>0thenoutput;end;run;4、觀看輸出的數(shù)據(jù)序列，輸入如下程序：。procgplotdata=a;symboli=spline;plotx*n;run;5、提交程序，在Graph窗口中觀看圖形。6、觀看

15、樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，輸入輸入如下程序：procarimadata=a;identifyvar=xnlag=10outcov=exp1;run;procgplotdata=exp1;symbol1i=needlec=red;plotcorr*lag=1;run;procplotdata=exp1;symbol2i=needlec=green;plotpartcorr*lag=2;run;提交程序，發(fā)覺(jué)自有關(guān)系數(shù)成緩慢下降的趨勢(shì)，講明要做差分運(yùn)算，做一階差分運(yùn)算，輸入如下程序：procarimadata=a;identityvar=x(1)nlag=24;run;提交程序，觀看樣本自有關(guān)系

16、數(shù)與樣本偏有關(guān)系數(shù)，發(fā)覺(jué)自有關(guān)系數(shù)1階截尾，故判定差分后序列為MA(1)模型。進(jìn)行模型參數(shù)估量，輸入如下程序：estimateq=1plot;run;提交程序，并觀看殘差圖，發(fā)覺(jué)模型擬合完全。10、寫(xiě)出模型的方程，并與真實(shí)模型對(duì)比。11、模擬ARIMA(1,1,0)模型，模擬(10.5B)(1B)ztat過(guò)程。重復(fù)步驟3-10即可(但部分程序需要修改，請(qǐng)讀者自己完成)。模擬ARIMA(p,d,q)(P,D,Q)s模型,模擬(1B)(1B12)%(10.4B)(10.6B12)at模型，即ARIMA(0,1,1)(0,1,1)12模型。13、創(chuàng)建數(shù)據(jù)集，在edit窗中輸入如下程序：datac;x

17、1=0.9;x2=0;x3=0;x4=0;x5=0;x6=0;x7=0;x8=0;x9=0;x10=0;x11=0;x12=0;x13=0;a1=0;a2=0;a3=0;a4=0;a5=0;a6=0;a7=0;a8=0;a9=0;a10=0;a11=0;a12=0;a13=0;don=-50to250;a=rannor(12345);x=x1+x12-x13+a-0.4*a1-0.6*a12+0.24*a13;x13=x12;x12=x11;x11=x10;x10=x9;x9=x8;x8=x7;x7=x6;x6=x5;x5=x4;x4=x3;x3=x2;x2=x1;x1=x;a13=a12;a

18、12=a11;a11=a10;a10=a9;a9=a8;a8=a7;a7=a6;a6=a5;a5=a4;a4=a3;a3=a2;a2=a1;a1=a;ifn>0thenoutput;end;run;繪序列圖，輸入如下程序：procgplotdata=c;symboli=splinec=red;plotx*n;run;提交程序，到graph窗口中觀看序列圖形。初步識(shí)別模型，輸入如下程序：procarimadata=c;identifyvar=xnlag=36;run;提交程序，觀看樣本自有關(guān)系數(shù)和樣本偏有關(guān)系數(shù)。做季節(jié)差分和一階差分除掉季節(jié)因子和趨勢(shì)因子，輸入如下程序：identifyva

19、r=x(1,12)nlag=36;run;提交程序，觀看樣本自有關(guān)系數(shù)和樣本偏有關(guān)系數(shù)，確定模型階數(shù)。估量模型參數(shù)，輸入如下程序：estimateq=(1)(12)method=ulsplot;run;提交程序，觀看殘差的樣本自有關(guān)系數(shù)和樣本偏有關(guān)系數(shù)，看是否通了白噪聲檢驗(yàn)。寫(xiě)出模型方程式，并與真實(shí)模型對(duì)比?；氐絞raph窗口觀看各種序列圖形的異同。退出SAS系統(tǒng),關(guān)閉運(yùn)算機(jī).實(shí)驗(yàn)六分析美國(guó)國(guó)民生產(chǎn)總值的季度數(shù)據(jù)一、實(shí)驗(yàn)?zāi)康模哼M(jìn)一步學(xué)習(xí)數(shù)據(jù)分析技巧，進(jìn)一步了解ARIMA模型。二、實(shí)驗(yàn)內(nèi)容：47年1季度到96年3季度美國(guó)國(guó)民生產(chǎn)總值的季度數(shù)三、實(shí)驗(yàn)要求：寫(xiě)出分析報(bào)告。四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)

20、驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp3的SAS數(shù)據(jù)集，輸入如下程序：dataexp3;inputgnp;date=intnx(qtr,1jan47d,_n_-1);formatdateyyqc.;cards;輸入美國(guó)國(guó)民生產(chǎn)總值的數(shù)據(jù)；run;注：Intnx函數(shù)按間隔遞增日期，Intnx函數(shù)運(yùn)算某個(gè)區(qū)間通過(guò)若干區(qū)間間隔之后的間隔的開(kāi)始日期或日期時(shí)刻值，其中開(kāi)始間隔內(nèi)的一個(gè)日期或日期時(shí)刻值給出。Intnx函數(shù)的格式如下：Intnx(interval,from,n)儲(chǔ)存上述程序，供以后分析使用(只需按工具條上的儲(chǔ)存按鈕，然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下

21、來(lái))。繪序列圖，輸入如下程序：procgplotdata=exp3;symbol1i=spline;plotgnp*date=1;run;觀看圖形，發(fā)覺(jué)圖形成指數(shù)函數(shù)上升形式，故做對(duì)數(shù)變換，輸入如下程序：datalexp;setexp3;lgnp=log(gnp);run;繪變換后序列圖，輸入如下程序：procgplotdata=lexp;symbol2i=splinec=red;plotlgnp*date=2;run;提交程序，到graph窗口中觀看變換后的序列圖，能夠看出它成直線上升趨勢(shì)。對(duì)序列做初步識(shí)別，輸入如下程序：procarimadata=lexp;identifyvar=lgnp

22、nlag=12;run;提交程序，觀看樣本自有關(guān)系數(shù)，可看出有緩慢下降趨勢(shì)，結(jié)合我們觀看的圖形，我們明白要對(duì)序列做差分運(yùn)算，作一階差分，輸入如下程序：identifyvar=lgnp(1)nlag=12;run;提交程序，觀看樣本自有關(guān)系數(shù)，可看出樣本自有關(guān)系數(shù)5步后是截尾的，那么確定為MA(5)模型,進(jìn)行參數(shù)估量輸入如下程序：estimateq=5plot;run;提交程序，觀看輸出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，講明模型擬合充分。且MA1,3,MA1,4的T值較小，講明參數(shù)明顯為0，除掉這兩項(xiàng)重新進(jìn)行估量，輸入如下程序：estimateq=(1,2,5)plot;run;提交程序，觀看輸

23、出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，講明模型擬合充分，且殘差標(biāo)準(zhǔn)誤與前一估量相差專門(mén)小，故以此結(jié)果為我們所要的結(jié)果，依此結(jié)果寫(xiě)出方程式。進(jìn)行推測(cè)，推測(cè)美國(guó)以后2年的每季國(guó)民生產(chǎn)總值。輸入如下程序：forcastlead=6interval=qtrid=dateout=results;run;dataresults;setresults;gnp=exp(lgnp);l95=exp(l95);u95=exp(u95);forecast=exp(forecast+std*std/2);run;procprintdata=results;vardateforcast;wheredate>=1ja

24、n96d;run;提交程序，并把推測(cè)值記錄下來(lái)。退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)七分析國(guó)際航線月度旅客總數(shù)數(shù)據(jù)實(shí)驗(yàn)?zāi)康模菏煜み\(yùn)用SAS建立ARIMA(p,d,q)(P,D,Q)s模型的方法，進(jìn)一步了解ARIMA(p,d,q)(P,D,Q)s模型的特點(diǎn)。二、實(shí)驗(yàn)內(nèi)容：19497年1月至1960年12月國(guó)際航線月度旅客總數(shù)數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫(xiě)出分析報(bào)告。四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp4的SAS數(shù)據(jù)集，輸入如下程序：dataexp4;inputair;date=intnx(month,1jan49d,_n_-1);format

25、datemonyy.;cards;輸入國(guó)際航線月度旅客總數(shù)數(shù)據(jù)run;儲(chǔ)存上述程序，供以后分析使用(只需按工具條上的儲(chǔ)存按鈕，然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下來(lái))。繪序列圖，輸入如下程序：procgplotdata=exp4;symbol1i=splinev=dotc=red;plotair*date=1;run;提交程序，觀看圖形，發(fā)覺(jué)圖形有專門(mén)強(qiáng)的季節(jié)性，且成指數(shù)函數(shù)上升形式，故做對(duì)數(shù)變換，輸入如下程序：datalair;setexp4;lair=log(air);run;繪變換后序列圖，輸入如下程序：procgplotdata=lair;symbol2i=splinec=gree

26、n;plotlair*date=2;run;提交程序，到graph窗口中觀看變換后的序列圖，能夠看出它總的趨勢(shì)成直線上升，且有專門(mén)強(qiáng)的季節(jié)性。對(duì)序列做初步識(shí)別，輸入如下程序：procarimadata=lair;identifyvar=lairnlag=36;run;提交程序，觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，可看出樣本自有關(guān)系數(shù)有緩慢下降趨勢(shì)，偏有關(guān)系數(shù)在1步，13步，25步較大，我們作一步一階差分，輸入如下程序：identityvar=lair(1)nlag=36;run;提交程序，觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，發(fā)覺(jué)樣本自有關(guān)系數(shù)在12步，24步，36步專門(mén)大,而偏有關(guān)系數(shù)在12步專門(mén)大，

27、那么我們?cè)僮?2步的一階差分，輸入如下程序：identifyvar=lair(1,12)nlag=36;run;10、提交程序，觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，發(fā)覺(jué)樣本自有關(guān)系數(shù)在1步，12步專門(mén)大,而偏有關(guān)系數(shù)看不出有專門(mén)的規(guī)律，我們可確定模型的MA因子為(11B)(12B12)at。11、進(jìn)行參數(shù)估量，輸入如下程序：estimateq=(1)(12)noconstantmethod=ulsplot;run;、提交程序，觀看輸出結(jié)果，可看出模型通過(guò)了白噪聲檢驗(yàn)，講明模型擬合充分，故以此結(jié)果為我們所要的結(jié)果，依此結(jié)果寫(xiě)出方程式。13、進(jìn)行推測(cè)，輸入如下程序：forecastlead=36int

28、erval=monthid=dateout=b;run;procprintdata=b;run;14、提交程序，認(rèn)真觀看推測(cè)的結(jié)果有什么規(guī)律，摸索什么原因有如此的規(guī)律？15、變換推測(cè)值，以獵取原度量下的推測(cè)值，輸入如下程序：datac;setb;air=exp(lair);forecast=exp(forecast+std*std/2);l95=exp(l95);u95=exp(u95);run;procprintdata=c;run;繪推測(cè)和置信限的散點(diǎn)圖，輸入如下程序：symbol1I=nonev=starr=1c=red;symbol2I=joinv=plusr=1c=green;sym

29、bol3I=joinv=nonel=3r=1c=blue;procgplotdata=c;wheredata>=1jan59d;plotair*date=1forecast*date=2l95*date=3u95*date=3/overlayhaxis=1jan59dto1jan62dbyyear;run;提交程序，觀看圖形。退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)八干預(yù)模型的建模實(shí)驗(yàn)?zāi)康模喊盐崭深A(yù)模型的分析方法，進(jìn)一步熟悉ARIMA過(guò)程的使用方法。二、實(shí)驗(yàn)內(nèi)容：1955年1月至1972年12月洛杉磯月平均臭氧數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫(xiě)出實(shí)驗(yàn)報(bào)告，把握干預(yù)模型的建模方法。四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)

30、驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp5的SAS數(shù)據(jù)集，輸入如下程序：dataexp5;inputnozonex1summerwinter;date=intnx(month,1jan55d,_n_-1);formatdatemonyy.;cards;輸入洛杉磯月平均臭氧數(shù)據(jù)*；run;或者輸入如下程序：dataexp5;inputozone;date=intnx(month,1jan55d,_n_-1);formatdatemonyy.;month=month(date);year=year(date);x1=year>=1960;summer=(5&

31、lt;month<11)*(year>1965);winter=(year>1965)-summer;cards;只輸入ozone一欄的數(shù)據(jù)*；run;儲(chǔ)存上述程序，供以后分析使用(只需按工具條上的儲(chǔ)存按鈕，然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下來(lái))。4、繪序列圖，輸入如下程序：procgplotdata=exp5;symbol1i=splinev=dotc=red;plotozone*date=1;run;5、提交程序，觀看圖形，發(fā)覺(jué)圖形有專門(mén)強(qiáng)的季節(jié)性和緩慢下降的趨勢(shì)。初步識(shí)別模型，輸入如下程序：identifyvar=ozonenlag=36;run;提交程序，觀看樣

32、本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，可看出樣本自有關(guān)系數(shù)在1步，12步，24步，36步都較大，且具有周期性，偏有關(guān)系數(shù)在1步最大，我們作季節(jié)差分，輸入如下程序：identifyvar=ozone(12)nlag=36;run;提交程序，觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)，發(fā)覺(jué)樣本自有關(guān)系數(shù)在1步，12步較大,而偏有關(guān)系數(shù)在1步，12步，24步都較大，且出現(xiàn)拖尾現(xiàn)象，我們可確定模型的MA因子為(11B)(12B12)at。9、進(jìn)行參數(shù)估量，輸入如下程序：estimateq=(1)(12)noconstantmethod=ulsplot;run;10、提交程序，觀看輸出結(jié)果，可看出模型不是專門(mén)潔凈，且不能通過(guò)白

33、噪聲檢驗(yàn)。我們能夠做殘差序列圖，觀看殘差的特性，輸入如下程序：forecastlead=12out=bid=dateinterval=monthid=date;run;11、進(jìn)行推測(cè)，輸入如下程序：forecastlead=36interval=monthid=dateout=bnoprint;run;procgplotdata=b;symbolI=splinev=dotc=red;plotresidual*date;run;12、提交程序，觀看圖形，可看出前面一段時(shí)期的殘差比后面的要大。13、我們考察修建高速公路后，是否對(duì)臭氧有明顯性阻礙，輸入如下程序：procarimadata=exp5;

34、identifyvar=ozone(12)crosscorr=(x1(12)noprint;estimateq=(1)(12)input(x1)noconstantmethod=mlitprintplot;run;14、提交程序，觀看輸出結(jié)果，發(fā)覺(jué)模型的標(biāo)準(zhǔn)差,AIC,SBC都變小了專門(mén)多，且x1的阻礙明顯。摸索什么原因要對(duì)x1進(jìn)行季節(jié)差分？15、我們?cè)賮?lái)考察汽車(chē)裝上尾氣過(guò)濾器，是否對(duì)臭氧有明顯性阻礙，輸入如下程序：procarimadata=exp5;identifyvar=ozone(12)crosscorr=(x1(12)summerwinter)noprint;estimateq=(1

35、)(12)input(x1summerwinter)noconstantmethod=mlitprintplot;run;提交程序，觀看輸出結(jié)果，發(fā)覺(jué)模型的標(biāo)準(zhǔn)差,AIC,SBC都變小了，且模型差不多上通過(guò)了白噪聲檢驗(yàn)，同時(shí)x1,summer的阻礙明顯,而winter的阻礙不明顯。摸索什么原因不對(duì)summer和winter進(jìn)行差分？17、進(jìn)行推測(cè)值，輸入如下程序：forecastlead=12id=dateinterval=month;run;注：如此的推測(cè)是x1,summer,winter已知的推測(cè)。18、提交程序，觀看推測(cè)值。19、退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)九傳遞函數(shù)模型的建模實(shí)驗(yàn)?zāi)?/p>

36、的：熟悉傳遞函數(shù)模型的建模方法。二、實(shí)驗(yàn)內(nèi)容：煤氣爐數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫(xiě)出實(shí)驗(yàn)報(bào)告，總結(jié)傳遞函數(shù)模型的建模的一樣步驟。四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp6的SAS數(shù)據(jù)集，輸入如下程序：dataexp6;inputxy;t=_n_;cards;輸入煤氣爐數(shù)據(jù)*；run;儲(chǔ)存上述程序，供以后分析使用（只需按工具條上的儲(chǔ)存按鈕，然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下來(lái)）。4、繪序列圖，輸入如下程序：procgplotdata=exp6;symbol1i=splinec=red;symbol2i=splinec=green;plo

37、tx*t=1y*t=2;run;5、提交程序，認(rèn)真觀看兩序列圖形，看兩者有何聯(lián)系。6、先觀看xt和yt的有關(guān)情形，看是否要做差分，輸入如下程序：procarimadata=exp6;identifuvar=ycrosscorr=(x)nlag=12;run;7、提交程序，觀看xt的yt自有關(guān)和互有關(guān)系數(shù)，發(fā)覺(jué)都專門(mén)快的衰減，表明不要做差分運(yùn)算。識(shí)別輸入序列xt,輸入如下程序：procarimadata=exp6;identifyvar=xnlag=12;run;提交程序，觀看xt的自有關(guān)和偏有關(guān)系數(shù)，能夠看到偏有關(guān)系數(shù)是3步截尾的。10、對(duì)擬合AR(3)模型，看是否充分，輸入如下程序：esti

38、matep=3plot;run;11、提交程序，觀看輸出結(jié)果，可看到模型通過(guò)了白噪聲檢驗(yàn)，講明擬合效果不錯(cuò)，把擬合的方程式寫(xiě)出來(lái)。12、觀看預(yù)白噪聲化后的兩序列的互有關(guān)系數(shù)，輸入如下程序：identifyvar=ycrosscorr=(x)nlag=12;run;13、提交程序，觀看樣本自有關(guān)系數(shù)和偏有關(guān)系數(shù)和互有關(guān)系數(shù)，我們能夠初步識(shí)別傳遞函數(shù)模型為(2,2,3)(摸索:什么原因？)，即:(1iB2B2)yt(01B2B2)Xt314、進(jìn)行參數(shù)估量，并查看殘差的有關(guān)情形，輸入如下程序：estimateinput=(3$(1,2)/(1,2)x)plot;run;15、提交程序，觀看輸出結(jié)果，

39、能夠看到殘差的偏有關(guān)系數(shù)是2步截尾的。那么模型可識(shí)別為：2、(01B2B)0yt2xt32-at(11B2B2)(11B2B2)16、進(jìn)行參數(shù)估量，輸入如下程序：estimatep=2input=(3$(1,2)/(1,2)x)plot;run;提交程序，觀看輸出結(jié)果，可看到2專門(mén)小，且模型通過(guò)了白噪聲檢驗(yàn)，那么我們除掉這一項(xiàng)，再進(jìn)行估量，輸入如下程序：estimatep=2input=(3$(1,2)/(1)x)plot;run;提交程序，觀看輸出結(jié)果，可看到模型通過(guò)了白噪聲檢驗(yàn)提交程序，講明模型擬合充分，請(qǐng)寫(xiě)出方程式。19、進(jìn)行推測(cè)，輸入如下程序：forecastlead=6;run;20

40、、提交程序，觀看推測(cè)結(jié)果。21、退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。實(shí)驗(yàn)十回來(lái)與時(shí)序相結(jié)合的建模實(shí)驗(yàn)?zāi)康模菏煜せ貋?lái)與時(shí)序相結(jié)合的建模方法。二、實(shí)驗(yàn)內(nèi)容：芝加哥某食品公司大眾食品周銷售數(shù)據(jù)。三、實(shí)驗(yàn)要求：寫(xiě)出實(shí)驗(yàn)報(bào)告，總結(jié)回來(lái)與時(shí)序相結(jié)合的建模的一樣步驟四、實(shí)驗(yàn)時(shí)刻：2小時(shí)。五、實(shí)驗(yàn)軟件：SAS系統(tǒng)。六、實(shí)驗(yàn)步驟1、開(kāi)機(jī)進(jìn)入SAS系統(tǒng)。2、建立名為exp7的SAS數(shù)據(jù)集，輸入如下程序：dataexp7;inputy1y2y3y4;date=intnx(week,14sep91d,_n_-1);formatdatedate9.;cards;輸入芝加哥某食品公司大眾食品周銷售數(shù)據(jù)*；run;儲(chǔ)存上述程序，供

41、以后分析使用(只需按工具條上的儲(chǔ)存按鈕，然后填寫(xiě)完提咨詢后就能夠把這段程序儲(chǔ)存下來(lái))。4、第一只分析銷售額的數(shù)據(jù)，不加回來(lái)項(xiàng)。繪序列圖，輸入如下程序：procgplotdata=exp7;symbol1i=splinec=red;ploty1*date=1;run;5、提交程序，認(rèn)真觀看序列圖形。6、初步識(shí)別模型，輸入如下程序：procarimadata=exp7;identifuvar=y1nlag=15;run;7、提交程序，觀看y1的有關(guān)系數(shù)，發(fā)覺(jué)偏有關(guān)系數(shù)是4階截尾的，那么我們初步識(shí)別為AR(4)模型，進(jìn)行參數(shù)估量，并觀看殘差有關(guān)系數(shù)。輸入如下程序：estimatep=4plot;ru

42、n;8、提交程序，觀看輸出結(jié)果，可看到模型擬合得依舊比較好。然后能夠?qū)嶒?yàn)其他一些模型，最后按照AIC和BIC準(zhǔn)則，我們最后選定模型為:(11B2B23B34B4)yt(02B2)at下面我們開(kāi)始加入回來(lái)項(xiàng)，第一我們繪四個(gè)序列的圖形。輸入如下程序：procgplotdata=exp7;symbol3i=splinec=green;ploty1*date=3y2*date=3y3*date=3y4*date=3;run;提交程序，觀看這四個(gè)序列有什么特點(diǎn)。繪y1對(duì)y2、y3、y4的散點(diǎn)圖，輸入如下程序：procplotdata=exp7;ploty1*y2=.y1*y3=.y1*y4=.;run;

43、提交程序，觀看他們的有關(guān)性，可看出y1和y2負(fù)有關(guān)，y1和y3正相關(guān)，而y1和y4仿佛不有關(guān)。做純回來(lái)分析，輸入如下程序：procarimadata=exp7;identifyvar=y1crosscorr=(y2y3y4)noprint;estimateinput=(y2y3y4);run;提交程序，觀看輸出結(jié)果，可看到y(tǒng)4的系數(shù)接近于零，我們除掉這一項(xiàng)再做回來(lái)，并觀看殘差的有關(guān)系數(shù)，輸入如下程序：identifyvar=y1crosscorr=(y2y3);estimateinput(y2y3)plot;run;提交程序，觀看輸出結(jié)果，可看到殘差不是白躁聲。我們把殘差用ARMA模型擬合，輸

44、入如下程序：identifyvar=y1crosscorr=(y2y3y4);estimatep=4q=3input=(y2y3y4)plot;run;提交程序，觀看輸出結(jié)果,能夠看出模型擬合比較充分，且y4、MA1,1、AR1,3的系數(shù)接近如零，除掉這幾項(xiàng)，再觀看，輸入如下程序：estimatep=(1,2,4)q=(2,3)input=(y2y3)plot;run;提交程序，觀看輸出結(jié)果,能夠看出模型擬合比較充分，且殘差的標(biāo)準(zhǔn)誤和前一模型沒(méi)有多大變化，且AIC和BIC也比前一模型小，故我們就選擇這一模型，把這一結(jié)果記錄下來(lái)。下面我們來(lái)看看殘差對(duì)推測(cè)值,y2,y3的關(guān)系圖。輸入如下程序：fo

45、recastlead=0id=dateinterval=weekout=anoprint;run;datab;mergerexp7a;run;procplotdata=c;plotresidual*forecast=*residual*y2=*residual*y3=*;run;提交程序，觀看圖形，可看出殘差對(duì)y2,y3還不是十分充分，我們加入y2,y3的滯后一階，看結(jié)果有什么變化，輸入如下程序：datad;setexp7;y21=lag(y2);y31=lag(y3);run;procarimadata=d;identifyvar=y1crosscorr=(y2y21y3y31)noprin

46、t;run;estimatep=(1,2,4)q=(2,3)input=(y2y21y3y31)plot;run;23、提交程序，觀看輸出結(jié)果，并與原先結(jié)果比較，看是否有進(jìn)步。24、進(jìn)行推測(cè)，輸入如下程序：forecastlead=6;run;25、提交程序，觀看推測(cè)結(jié)果。26、退出SAS系統(tǒng)，關(guān)閉運(yùn)算機(jī)。附數(shù)據(jù)：太陽(yáng)黑子年度數(shù)據(jù)(1742-1957)1000.700571.900122.300389.100571.200541.400436.200250.900209.600979.000797.900573.600 368.300146.600114.800647.600 754.300

47、1030.200733.800136.900453.900417.300367.400838.100 1273.100 184.100237.800 1110.0001852.4001511.1001017.600817.100461.500273.600122.000289.200994.400799.000720.500562.80048.80081.100173.700506.900337.300120.60059.400146.300167.200287.300188.10079.100435.300596.500769.800102.300158.900682.300758.3004

48、41.600290.300181.5001491.800 1150.400246.80080.50051.600926.000709.300528.200447.5001584.300 1570.900492.000255.200408.000540.40097.70030.400424.800549.70048.00021.500804.300851.8001457.400 1659.300128.100180.000798.400774.000273.300657.700563.400365.7001417.300 1078.700192.20076.700516.600569.600.0

49、0017.000492.700360.700102.500198.800573.700330.3001237.800 1029.800480.700738.000 1650.500468.3001126.000 1148.300195.50087.100886.8001669.3001334.4001220.000795.500535.800204.900135.800147.30040.50071.500387.200651.000715.800764.400761.40075.20084.600427.500501.400314.900320.600292.600503.400761.60

50、0223.00068.40043.100246.700966.900763.300200.600531.700766.700254.700133.70067.90014.6001065.000813.400397.100625.900304.500875.600 1019.200145.300113.500646.300744.40017.300115.100451.700313.600828.500933.500104.600432.700569.700367.200156.60081.000936.100767.60032.90060.300582.500526.600568.400684

51、.800 1170.90069.300779.600428.000956.800 1372.800 13195.900115.1001110.1001798.1001634.4001621.4001007.100837.100376.900166.20052.900455.4001700.5002278.2002215.1001905.0001347.300646.800451.200334.700122.400180.700美國(guó)國(guó)民收入數(shù)據(jù)（1947第一季度到1996第三季度）（順序是橫向排列）268.1323.2374.5411.4451.7530.3586.9674.3812.5966.

52、31124.91404.41725.3227.8231.7236.1263.0259.5261.2258.9331.1337.9342.3345.3373.7368.7368.4368.7417.8420.5426.0430.8444.4448.6461.8475.0529.2532.2527.3531.8594.1597.7606.8615.3679.9701.2713.9730.4822.2828.2844.7861.2979.9999.31008.01020.31144.41158.81198.51231.81449.71463.91496.81526.41783.5246.3252.6259.9269.6279.3296.9345.9351.7364.2373.4381.9394.8439.2448.1450.1499.0512.0512.5542.4553.256